bla bla

uczelnia/2_semestr/matematyka_stosowana/Prawdopodobieństwo.md

@@ -250,3 +250,42 @@ Sprawdzenie efektywności umożliwia nierówność Rao-Cramera.
 
 # Istotna uwaga
 Przy interpretacji przedziału ufności nie należy stosować następującego sformułowania: „parametr z prawdopodobieństwem należy do przedziału w okolicach (...)”, ponieważ parametr nie zalezy od wyników próby losowej. Jest stałą. Zmienny jest natomiast przedział ufności, którego końce zależą od próby  losowej.
+
+# Parametryczne testy istotności
+Weryfikacja hipotezy dotyczącej wariancji
+- Obszar krytyczny K – Lewo prawo, oba
+Jakieś dziwne znaczki.
+--- 
+Przykład:
+$s = 1.5$
+$n = 10$
+$\alpha = 0.05$
+Teza: odchylenie standardowe pomiarów różni się od $1.0$ na poziomie istotności $0.05$
+
+1) Hipotezy
+$$
+\begin{align}
+h_0 = \chi = 1 \\
+h_1 = \chi ≠ 1
+\end{align}
+$$
+
+2) stat testowa
+$$
+\chi^2 = \frac{ns^2}{\sigma^2} = \frac{10 \times 1.5^2}{1^2} = 22.5
+$$
+3) Kwantyle
+$$
+\begin{align}
+\chi^2(\frac{\alpha}{2}, n - 1) = \chi&2(0.025, 9) = 2.700 \\
+\chi^2(1 -\frac{\alpha}{2}, n - 1) = \chi&2(0.0975, 9) = 19.023
+\end{align}
+$$
+4) Obszar krytyczny
+$$
+k = <0;2.700> u <10.023;∞>
+$$
+5) Wniosek
+$\chi^2-2.5 e K$, więc na poziomie istotności 0.05 odrzucamy $H_0$ 
+
+

uczelnia/2_semestr/matematyka_stosowana/laby/lab_8.R

@@ -0,0 +1,84 @@
+# zadanie 1
+
+p.opisowe = function(wektor) {
+  library(moments)
+  srednia = round(mean(wektor), 2)
+  mediana = round(median(wektor), 2)
+  kwartyl_dolny = round(quantile(wektor, 1/4), 2)
+  kwartyl_gorny = round(quantile(wektor, 3/4), 2)
+  minimum = round(min(wektor), 2)
+  maximum = round(max(wektor), 2)
+  odchylenie = round(sd(wektor), 2)
+  rozstep_empiryczny = round(max(wektor) - min(wektor), 2)
+  rozstep_kwartylowy = round(IQR(wektor), 2)
+  wspolczynnik_zmiennosci = round(sd(wektor)/mean(wektor) * 100, 2)
+  skosnosc = round(skewness(wektor), 2)
+  kurtoza = round(kurtosis(wektor), 2)
+  
+  rbind(srednia, mediana, kwartyl_dolny, kwartyl_gorny, minimum, maximum, odchylenie, rozstep_empiryczny, rozstep_kwartylowy, wspolczynnik_zmiennosci, skosnosc, kurtoza)
+}                                                                        
+
+
+
+# zadanie 2
+# współczynnik zmienności
+# |V| <= 10% – słaba zmienność
+# 10% < |V| <= 50% – umiarkowana zmienność
+# |V| > 50% – duża zmienność
+
+# skośność (współczynnik asymetrii)
+# |G| <= 0.5 – słaba
+# 0.5 < |G| < 1 – umiarkowana
+# |G| > 1 – duża silna asymetria
+
+# G < 0 – lewostronna
+# G > 0 – prawostronna
+# G = 0 – symetria (prawie się nie zdarza)
+
+# kurtoza (współczynnik skupienia/spłaczszczenia)
+# K = 3 – rozkład normalny
+# K < 3 – niższe skupienie niż w rozkładzie normalnym
+# K > 3 – wyższe skupienie niż w rozkładzie normalnym
+
+
+# a)
+p.opisowe(Ankieta$Wzrost)
+# kwartyl_dolny           174.00 – wzrost 25% mężczyzn nie przekroczył 174
+# odchylenie                7.16 – wzrost mężczyzn odchylał się od średniej wzrostu przeciętnie o około 7.16
+# wspolczynnik_zmiennosci   3.98 – udział odchylenia standardowego wzrostu w wartości średniej wynosi 3.98 co świadczy o tym, że mężczyźni są słabo zróżnicowani pod względem wzrostu
+# skosnosc                  0.20 – rozkład wzrostu mężczyzn charakteryzuje się słabą asymetrią prawostronną
+
+# b)
+p.opisowe(Ankieta$Średnia)
+# mediana                  3.80 – średnia 50% studentów w badanej grupie nie przekroczyla 3.80
+# kwartyl_gorny            4.24 – średnia 75% studentów w badanej grupie nie przekroczyla 4.24
+
+# c)
+p.opisowe(Ankieta$L.godzin)
+# srednia                  7.07 czas spędzany przy komputerze w badanej grupie skupiał się wokół wartości 7.07
+# kurtoza                  2.55 rozklad czasu spędzanego przy komputerze w badanej grupie charakteryzuje się niższym skupieniem wokół średniej wagi niż w rozkładzie normalnym.
+
+# zadanie 3
+
+przedzial.odchylenie = function(x, uf) {
+  # 1 - a = uf
+  # a = 1 - uf
+  a = 1 - uf
+  n = length(x)
+  ss_z_daszkiem = var(x)
+  # s^2 = (n - 1)/n * ss_z_daszkiem
+  ss = (n - 1)/n * ss_z_daszkiem
+  
+  dolna = sqrt((n * ss) / qchisq(1 - (a / 2), n - 1))
+  gorna = sqrt((n * ss) / qchisq(a / 2, n - 1))
+  round(cbind(dolna, gorna), 4)
+}
+
+przedzial.odchylenie(Ankieta.M$Wzrost, 0.95)
+
+# zadanie 4
+# a)
+ggplot(data.frame(x=c(-4, 4)), aes(x))+ylab('Gęstość rozkładu studenta')+ stat_function(fun=dt, args=1, col='red', size=1) + stat_function(fun=dt, args=2, col='pink', size=1)  + stat_function(fun=dt, args=10, col='green', size=1)  + stat_function(fun=dt, args=50, col='blue', size=1)
+
+# b)
+ggplot(data.frame(x=c(-1, 100)), aes(x))+ylab('Gęstość rozkładu chi kwadrat') + stat_function(fun=dchisq, args=5, col='red', size=1) + stat_function(fun=dchisq, args=10, col='blue', size=1) + stat_function(fun=dchisq, args=20, col='green', size=1) + stat_function(fun=dchisq, args=50, col='pink', size=1)